摘要
本发明公开了一种人员异常行为检测的方法,包括:取监控场景视频数据,构造数据集;构建S3DD‑Yolov11模型;建立人员异常行为监测系统;目标监测。本发明通过部署压缩—激励SE(Squeeze&Excitation)注意力机制、3D空洞卷积及可变形卷积替换Yolov11原有的2D卷积,更好地模拟人体形态,提高网络检测性能;面向嵌入式平台进行算法优化,将一个大范围池化划分为多个小窗口池化,在功能等效的情况下减少计算复杂度,提升监测速度;构建了基于S3DD‑Yolov11的人员异常行为监测系统,实现了人员异常行为检测,集成了报警、信息实时显示和历史查询等功能,可用于社区居民安防、社会安全管理场景。对预防、及时处理相关事件起至关重要的作用。
技术关键词
卷积模块
神经网络模型
注意力机制
面向嵌入式平台
空洞
监测系统
机器学习模型
训练集
视频
处理器
数据
可读存储介质
存储器
场景
复杂度
电子设备
居民
形态
系统为您推荐了相关专利信息
时间序列模型
信息熵
电价预测方法
建立神经网络模型
电价预测系统
管理办法
数据保护策略
机器学习算法分析
隐私风险评估
训练神经网络模型